如何计算两张图片的结构相似度，python代码实现

可以使用均方误差(MSE)或结构相似性(SSIM)来计算图片的结构相似度。以下是Python代码实现：

使用MSE：

import cv2

def mse(imageA, imageB):
    err = np.sum((imageA.astype("float") - imageB.astype("float")) ** 2)
    err /= float(imageA.shape[0] * imageA.shape[1])
    return err

# load the images
imageA = cv2.imread("imageA.jpg")
imageB = cv2.imread("imageB.jpg")

# calculate the MSE between the two images
m = mse(imageA, imageB)
print("MSE: ", m)

使用SSIM：

import cv2
from skimage.measure import compare_ssim

# load the images
imageA = cv2.imread("imageA.jpg")
imageB = cv2.imread("imageB.jpg")

# convert the images to grayscale
grayA = cv2.cvtColor(imageA, cv2.COLOR_BGR2GRAY)
grayB = cv2.cvtColor(imageB, cv2.COLOR_BGR2GRAY)

# calculate the SSIM between the two images
(score, diff) = compare_ssim(grayA, grayB, full=True)
print("SSIM: ", score)

其中，MSE值越小表示两张图片越相似，SSIM值越接近1表示两张图片越相似。